import pandas as pd
import datetime
df = pd.DataFrame({
'timestamp': ['2024-01-01 00:15:00', '2024-01-01 00:30:00', '2024-01-01 23:00:00', '2024-01-02 01:00:00'],
'val': [1, 2, 3, 4],
'name': ['tim', 'alice', 'peter', 'tom']
})
# 1 这里的index的类型和后面all_dates中要一致 要么都是Timestamp 要么都是str 这样以后 index的名字就是这个timestamp
df.index = pd.to_datetime(df['timestamp'])
df.pop('timestamp')
# 此时df的index就是Timestamp类型的时间 index的名字是timestamp
# 需要补全的时间列
all_dates = pd.date_range('2024-01-01 00:00:00', '2024-01-01 23:45:00', freq='15min')
# 将all-dates作为索引 原df中有的就是原来的值 没有的就用NaN填充 如果原来df中有的 all——dates中没有 会被丢弃 新的index没有名字
df = df.reindex(all_dates)
df.index.name = 'timestamp_all'
print(df)
# 这里原先'2024-01-02 01:00:00'被删除了 原来的3行还在df中 其他原先没有的行 val和name列用NaN填补
# 可以看到某列非na值的个数 因为新索引不包括 2024-01-02 01:00:00 所以val列只有3个不为空的值
print(df['val'].count()) # 3
07-14
111
![](https://csdnimg.cn/release/blogv2/dist/pc/img/readCountWhite.png)
04-16
8万+
![](https://csdnimg.cn/release/blogv2/dist/pc/img/readCountWhite.png)
12-14
5525
![](https://csdnimg.cn/release/blogv2/dist/pc/img/readCountWhite.png)